{count, plural, one {Curso} other {Cursos}}
Introdução a agentes de IA
{hours} h {minutes} min
144.6K
O OpenClaw chegou com muito hype e preocupações de segurança. Depois disso, surgiram vários projetos copiando a ideia e prometendo resolver problemas relacionados ao OpenClaw. Entre os principais pontos está a segurança, por conta do tamanho do repositório. Outro problema sério é o custo de execução do agente. Pela minha experiência, a conta sobe rápido, especialmente porque até o criador do OpenClaw recomenda usar modelos de ponta como o Claude Opus 4.6 para evitar prompt injection. O Opus 4.6 não é barato, principalmente quando o agente precisa enviar muito contexto em forma de memórias e skills. É aí que entra o Hermes Agent.
Eu venho acompanhando os criadores do Hermes Agent no X/Twitter e uma das coisas que eles defendem é que o agente deles é melhor que o OpenClaw ao usar modelos open source. Eles afirmam que modelos open source podem ser usados com eficiência se tiverem o "arnês" certo. Neste artigo, vou testar essas afirmações experimentando o agente. Vou te guiar pela instalação, como usar com modelos locais e online e como aplicá-lo em um projeto de pesquisa.
O que é o Hermes Agent?
Hermes Agent é uma alternativa open source ao OpenClaw criada pela Nous Research, o laboratório por trás dos modelos Hermes. Após o lançamento, ficou muito popular, ultrapassando 30 mil estrelas até o momento desta publicação. O Hermes Agent é um pouco diferente do OpenClaw porque consegue criar skills a partir da experiência, se aprimorar e manter o conhecimento entre sessões.
Você pode aprender a usar o OpenClaw no nosso tutorial do OpenClaw (Clawdbot).
Principais capacidades do Hermes Agent
Vamos ver algumas das principais capacidades do Hermes Agent.
Ciclo de aprendizado fechado e memória autoaperfeiçoável
O Hermes Agent tem um ciclo de aprendizado fechado, ou seja:
- Memória curada pelo próprio agente com lembretes periódicos
- Cria skills automaticamente após executar tarefas complexas
- Aperfeiçoa as skills conforme as utiliza
O Hermes Agent também armazena as sessões de mensagens em um banco SQLite com busca full-text FTS5. Isso permite recuperar memórias de semanas atrás, mesmo que não estejam carregadas no contexto atual.
Aprenda o básico de bancos SQLite, dos comandos dot do SQLite a um exemplo prático via linha de comando, no nosso guia Guia para iniciantes em SQLite.
O Hermes também usa uma memória Honcho que dá ao agente um entendimento persistente dos usuários entre sessões. Isso se soma aos arquivos memory.md e user.md para aprimorar o entendimento do agente sobre preferências, objetivos, estilo de comunicação e manter o contexto ao longo das conversas.
Compressão de contexto e cache
Um dos grandes problemas desses assistentes de IA é o consumo intenso de tokens. Quando você paga por chamada de API, isso fica caro rápido. O Hermes Agent usa compressão dupla e cache de prompts da Anthropic para controlar o uso de contexto em conversas longas.
Esse mecanismo também evita falhas de API quando o contexto fica grande demais. Ele funciona podando resultados antigos e resumindo conversas com um LLM.
Sistema de skills
Assim como o OpenClaw, o Hermes Agent suporta skills. As skills são compatíveis com agentskills.io e seguem um padrão de divulgação progressiva para minimizar o uso de tokens. Ele já vem com um conjunto de skills e também salva as skills que cria enquanto você usa. Todas ficam em ~/.hermes/skills/, mas você também pode apontar o agente para skills externas.
Aprenda a criar skills do OpenClaw do zero, conectar APIs externas, configurar sandbox com Docker e publicar na ClawHub no nosso tutorial Criando skills personalizadas no OpenClaw.
Gateway multiplataforma
O Hermes Agent funciona em várias plataformas, incluindo Telegram, Discord, Slack, Signal e WhatsApp. Ele também transcreve áudios. Como as sessões vão para o mesmo banco de dados, você pode começar uma conversa no terminal e continuar no Telegram.
Subagentes e fluxos paralelos
O Hermes Agent tem a ferramenta delegate_task para iniciar vários subagentes. Esses agentes têm conjuntos de ferramentas e sessões de terminal restritos. Eles começam uma nova conversa e não sabem do histórico anterior; por isso, você precisa fornecer todas as informações necessárias para atingir o objetivo. Dá para usar isso para, por exemplo, pesquisar vários tópicos ao mesmo tempo e coletar resumos, fazer code review e corrigir/refatorar vários arquivos em paralelo.
Suporte a MCP e acesso ampliado a ferramentas
Para qualquer ferramenta que falte no Hermes, você pode conectar MCPs. Use isso para acessar APIs, um banco de dados ou sistemas da empresa sem precisar alterar o código do Hermes Agent. Você usa assim:
- Instalar o suporte a MCP no Hermes
- Adicionar um servidor MCP
- Definir uma allowlist do que as ferramentas expõem que o MCP pode fazer
- Bloquear atividades perigosas (blacklist), como excluir clientes
Aprenda a criar um servidor MCP usando o Model Context Protocol da Anthropic para conectar o Claude ao GitHub e ao Notion no nosso tutorial Model Context Protocol.
Treinamento por RL e geração de trajetórias
O Hermes Agent inclui um pipeline integrado de treinamento por RL (Reinforcement Learning) baseado no Tinker-Atropos. Isso permite treinar LLMs em um ambiente específico usando GRPO (Group Relative Policy Optimization) com adaptadores LoRA.
Você pode se aprofundar em RL na nossa trilha Reinforcement Learning em Python.
Como o Hermes Agent se compara a assistentes de IA padrão
Agora vamos ver como o Hermes Agent se compara a outros assistentes de IA como OpenClaw e Nanobot.
Como outros agentes, o Hermes Agent usa memory.md e user.md para memória persistente. Ele vai além ao salvar cada sessão em um banco SQLite, permitindo referenciar qualquer conversa no futuro.
Como o OpenClaw, o Hermes Agent também suporta um modelo de fallback para assumir as tarefas quando o modelo principal não estiver disponível.
Como a maioria dos assistentes de IA, o Hermes Agent pode ser implantado de forma econômica em um VPS e acessado por plataformas de mensagens populares. Porém, um dos principais diferenciais, segundo a equipe da Nous Research, é que o Hermes Agent é um "arnês" melhor para modelos open source.
Você também pode explorar outros assistentes de IA, como o NanoBot, no nosso tutorial do Nanobot.
Modelos e endpoints compatíveis
O Hermes Agent é agnóstico a modelos. Entre os compatíveis estão:
- Modelos do Nous Portal
- OpenRouter via chave de API
- Anthropic Auth e chave de API
- Assinatura da OpenAI ou chave de API
- Gemini
Você também pode usar modelos locais via Ollama.
Descubra como usar assistentes de IA locais com o Ollama no nosso tutorial OpenClaw com Ollama.
Pré-requisitos para rodar o Hermes Agent
O Hermes roda em Linux, macOS e WSL2. Ele também requer Python 3.11 e Node.js, mas a maior parte das dependências é instalada automaticamente durante a configuração.
Tutorial passo a passo do Hermes Agent: construindo um "agente de pesquisa"
Agora vamos ver como usar o Hermes Agent para criar um agente de pesquisa que busca na web e envia um briefing diário pelo Telegram.
Passo 1: instale o Hermes Agent
Abra o terminal e rode o instalador de uma linha:
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
Passo 2: pegue seu token de interface
Para o gateway do Telegram, abra o Telegram e procure por @BotFather. Envie /newbot, siga as instruções para nomear seu bot e você receberá um token no formato 123456789:AAH. Copie para usar no próximo passo.
Depois, use o @userinfobot para obter seu ID de usuário do Telegram. Você vai precisar dele para que o bot fale apenas com você.
Passo 3: inicialize
Execute o assistente de configuração:
hermes setupAo escolher Full Setup, você poderá configurar tudo, incluindo chaves de API e o bot do Telegram.
Um menu será exibido para você configurar todos os itens, como mostrado abaixo:
Se você já tiver uma instalação do OpenClaw, também é possível migrá-la.
Quando a configuração terminar, você pode verificar tudo com:
hermes doctor
Passo 4: configuração e seleção de modelo
Se você seguiu os passos acima, já terá escolhido um modelo, mas pode trocar a qualquer momento executando o comando abaixo no terminal:
hermes model
Passo 5: configure o gateway
O gateway é o que permite que o Hermes te alcance no Telegram, sem você precisar ficar no terminal. Configure rodando:
hermes gateway setup
A essa altura, você já deve conseguir enviar mensagens pelo Telegram e receber respostas:
Levando o Hermes Agent além: o agente "multi-ferramenta"
Como você viu na resposta acima, o Hermes usou a ferramenta de terminal para consultar a API pública de gráficos do Yahoo Finance e interpretar o retorno. Podemos melhorar a busca na web configurando uma das ferramentas disponíveis; neste caso, vamos usar o FireCrawl. Acesse o site deles e obtenha uma chave de IA gratuita.
Em seguida, configure a chave:
hermes config set FIRECRAWL_API_KEY your_fire-crawl_keyCom isso pronto, dei ao Hermes uma tarefa que envolvia buscar em várias páginas e resumir os resultados. Como dá para ver na imagem, ele planejou 3 tarefas e as delegou.
Outra forma de rodar vários agentes com o Hermes é criar perfis. Isso permite executar vários Hermes independentes na mesma máquina, cada um com sua própria configuração, chaves de API, memória, sessões, gateway e skills. Por exemplo, você pode ter:
- Um agente de código
- Um assistente pessoal
- Um agente de pesquisa
Você pode criar do zero ou clonando as configurações existentes:
hermes profile create work --clone
Rode work chat para começar a falar com o bot:
Cada agente tem seu próprio .env, então você pode configurar bots de Telegram diferentes. Faça a configuração com work setup
Opções de implantação: rodando o Hermes Agent além do seu notebook
Agora vamos ver quais opções de implantação existem para rodar o Hermes Agent além do seu computador pessoal.
Outras opções incluem:
- Rodar em um computador dedicado, que não é o seu de uso diário.
- Implantar em um VPS, como no Modal e no Daytona.
Mesmo em um VPS, vale seguir estas boas práticas:
- Usar o backend em contêiner
- Definir allowlists explícitas
- Usar códigos de pareamento em vez de ID de usuário
- Armazenar segredos com segurança e permissões corretas de arquivo
- Atualizar o agente regularmente com
hermes update - Nunca rodar o agente como usuário
root - Definir limites apropriados de CPU, disco e memória
- Monitorar logs para tentativas de acesso não autorizado
Local e privado: rodando o Hermes Agent offline
Você pode rodar o Hermes Agent offline configurando um modelo via Ollama. O trecho abaixo mostra como executar e servir o qwen2.5-coder:32b com o Ollama:
# Instale e rode um modelo
ollama pull qwen2.5-coder:32b
ollama serve # Inicia na porta 11434Depois, configure o Hermes para usar o modelo:
hermes model
# Selecione "Custom endpoint (self-hosted / VLLM / etc.)"
# Informe a URL: http://localhost:11434/v1
# Pule a chave de API (o Ollama não precisa)
# Informe o nome do modelo (ex.: qwen2.5-coder:32b)Também aumente a janela de contexto, porque o modelo precisa carregar o prompt de sistema, as ferramentas e retornar a resposta.
# Opção 1: definir no servidor via variável de ambiente (recomendado)
OLLAMA_CONTEXT_LENGTH=32768 ollama serve
# Opção 2: para o Ollama gerenciado por systemd
sudo systemctl edit ollama.service
# Adicione: Environment="OLLAMA_CONTEXT_LENGTH=32768"
# Depois: sudo systemctl daemon-reload && sudo systemctl restart ollama
# Opção 3: incorporar em um modelo customizado (persistente por modelo)
echo -e "FROM qwen2.5-coder:32b\nPARAMETER num_ctx 32768" > Modelfile
ollama create qwen2.5-coder-32k -f Modelfile
Erros comuns e como resolver no Hermes Agent
Vamos falar agora de alguns problemas comuns que você pode encontrar ao usar o Hermes Agent.
Erros de "connection refused"
Rode hermes doctor primeiro. Ele indica se falta configurar algum provedor, variáveis de ambiente quebradas ou caminhos incorretos. Você também pode rodar o comando de setup novamente para inserir a chave de API — pode ter ocorrido um erro de digitação.
Limites da janela de contexto
Digite /compress para acionar a compressão de contexto manualmente.
Você também pode editar ~/.hermes/config.yaml para ajustar os padrões de compressão.
# Em ~/.hermes/config.yaml
compression:
enabled: true
threshold: 0.50 # Comprimir por padrão ao atingir 50% do limite de contexto
summary_model: "google/gemini-3-flash-preview" # Modelo usado para sumarizaçãoSkill não dispara ou não é reutilizada
Verifique se a skill existe. Rode este comando para confirmar se as instruções das skills estão sendo usadas.
hermes chat --toolsets skills -q "Use the X skill to do Y"Gateway não recebe mensagens
Execute hermes gateway status para checar se está em execução.
Se tiver parado, inicie com hermes gateway start.
Falhas de autenticação no endpoint do modelo
Verifique ~/.hermes/.env para confirmar se as chaves de API estão corretas. Rode hermes model para garantir que o modelo selecionado tem a chave certa.
Perspectivas
Se você vem acompanhando a "guerra dos agentes" no Twitter, deve ter notado dois campos: quem defende agentes via APIs e quem defende agentes com modelos locais. O grupo dos modelos locais é bem vocal ao apoiar o Hermes Agent, que, segundo eles, é um arnês melhor para modelos locais do que o OpenClaw.
Independentemente do lado, uma coisa é clara: rodar agentes não é barato. Portanto, se existe uma ferramenta que roda modelos locais e entrega desempenho próximo a um modelo de ponta, ela merece atenção. Principalmente agora, com cobrança por uso em praticamente todos os provedores de modelos.
Com a demanda atual por agentes, quem busca uso ilimitado vai optar pela ferramenta que oferecer os melhores resultados. No momento, muita gente no Twitter diz que o Hermes Agent é essa ferramenta. Se modelos locais vão reduzir a demanda por APIs, ainda vamos descobrir — até porque nem todo mundo tem GPU própria e conhecimento técnico para configurar o uso local.
Conclusão
Vários assistentes de IA pessoais foram lançados recentemente. O melhor que você pode fazer é estudá-los e definir qual funciona melhor para você. Confira os recursos abaixo para acelerar sua curva de aprendizado:
- OpenClaw vs Nanobot: qual framework de agente de IA usar em 2026?
- Tutorial do Nanobot: uma alternativa leve ao OpenClaw
- Claude Code vs Cursor: qual ferramenta de IA para código é ideal para você?
- OpenCode vs Claude Code: qual ferramenta com agentes usar em 2026?
- OpenClaw vs Claude Code: qual ferramenta com agentes usar em 2026?
Para aprender mais sobre o uso de ferramentas de IA, confira o nosso guia com as melhores ferramentas de IA gratuitas. Para desenvolver habilidades mais amplas de programação com IA, experimente nosso curso de AI-Assisted Coding for Developers e desenvolva as habilidades que tornam os assistentes de IA parceiros mais confiáveis no seu fluxo de desenvolvimento.
Author
Derrick Mwiti
